Gemma 4: Googles neue KI-Modelle für lokale Intelligenz

Google stellt die KI-Modellfamilie Gemma 4 vor, die unter einer freien Lizenz steht und sowohl auf Hochleistungs-Hardware als auch direkt auf mobilen Endgeräten läuft.

Google setzt mit Gemma 4 einen neuen Standard für offene KI-Modelle. Die am 2. April 2026 vorgestellte Modellfamilie kombiniert erstklassige Rechenleistung mit der Fähigkeit, direkt auf Smartphones oder IoT-Geräten zu laufen. Die Entscheidung für die Apache-2.0-Lizenz gibt Entwicklern maximale kommerzielle Freiheit und stärkt die digitale Souveränität.

Der Vorstoß kommt in einem hart umkämpften Markt für Open-Source-KI. Seit dem Start der Gemma-Reihe wurden über 400 Millionen Downloads und mehr als 100.000 Community-Varianten verzeichnet. Mit Gemma 4 will Google seine Position im wachsenden Sektor der lokalen KI festigen – also für Anwendungen, die komplexe Aufgaben ohne ständige Cloud-Verbindung bewältigen.

Anzeige

Während neue KI-Modelle wie Gemma 4 die mobile Nutzung revolutionieren, warnen Experten vor den damit verbundenen Sicherheitsrisiken für mobile Endgeräte. Dieser kostenlose Ratgeber zeigt Ihnen in 5 einfachen Schritten, wie Sie Ihr Android-Smartphone effektiv vor Hackern und Datenmissbrauch schützen. 5 Sicherheits-Maßnahmen für Android jetzt kostenlos entdecken

Leistung trifft auf Effizienz: Die neue Architektur

Die Gemma-4-Familie gliedert sich in zwei Klassen: Hochleistungsmodelle für Workstations und effiziente Modelle für den Einsatz am Netzwerkrand (Edge Computing). Das Flaggschiff ist das 31B Dense-Modell, das aktuell Platz drei auf dem renommierten Arena-KI-Leaderboard belegt. Dicht dahinter folgt auf Rang sechs das 26B Mixture of Experts (MoE)-Modell.

Der technische Clou des 26B-MoE-Modells ist seine effiziente Inferenz. Obwohl es über einen riesigen Wissensspeicher verfügt, aktiviert es während einer Aufgabe nur etwa 3,8 Milliarden Parameter. Das reduziert den Hardware-Aufwand erheblich. Beide großen Modelle sind so optimiert, dass sie in ihrem unkomprimierten Format auf einer einzelnen Nvidia H100 GPU mit 80 GB laufen können. Damit steht Spitzen-Intelligenz auch Forschern und Unternehmen ohne riesige Server-Farmen zur Verfügung.

Ein weiterer Sprung: die Kontextfenster. Während die Edge-Modelle 128.000 Token verarbeiten können, bieten die großen 26B- und 31B-Modelle bis zu 256.000 Token. Das erlaubt es, ganze Dokumentenarchive oder Codebasen mit einem einzigen Prompt zu analysieren – eine Fähigkeit, die bisher großen, proprietären Systemen vorbehalten war.

Multimodal und handlungsfähig: KI als autonomer Agent

Anders als ihre Vorgänger ist die gesamte Gemma-4-Familie von Grund auf multimodal. Alle vier Modelle verstehen Videos und Bilder, etwa bei der Texterkennung (OCR) oder der Analyse komplexer Diagramme. Die beiden kleinsten Modelle, Effective 2B (E2B) und Effective 4B (E4B), verarbeiten zudem Audio-Eingaben in Echtzeit für Spracherkennung direkt auf dem Gerät.

Der Fokus liegt klar auf agentischer KI. Google hat native Unterstützung für Funktionsaufrufe, strukturierte JSON-Ausgaben und Systeminstruktionen integriert. Entwickler können so leichter autonome Agenten bauen, die mit externen APIs interagieren, mehrstufige Pläne ausführen und Software-Tools bedienen. Bisher mussten solche Fähigkeiten bei kleineren Modellen oft umständlich nachgerüstet werden.

Die Modelle sind zudem von Haus aus in über 140 Sprachen trainiert, was sie für den globalen und mehrsprachigen Einsatz prädestiniert.

Made for Android: KI auf dem Smartphone und darüber hinaus

Ein Schwerpunkt der Veröffentlichung ist die enge Integration in Android und Edge-Hardware. In Zusammenarbeit mit dem Google-Pixel-Team, Qualcomm und MediaTek wurden die E2B- und E4B-Modelle für nahezu verzögerungsfreies Laufen auf Smartphones und IoT-Geräten optimiert. Das E2B-Modell ist dabei bis zu dreimal schneller als das E4B.

Die heute veröffentlichten technischen Daten zeigen: Gemma 4 auf Android ist bis zu viermal schneller als frühere Versionen und verbraucht 60 Prozent weniger Akkuleistung. Diese Modelle bilden die Basis für das kommende Gemini Nano 4, das KI-Funktionen in der nächsten Android-Generation antreiben wird. Entwickler können sie bereits über die AICore Developer Preview testen.

Anzeige

Die zunehmende Integration von KI-Funktionen in den Alltag macht das Smartphone zum Ziel zahlreicher Cyberbedrohungen. Erfahren Sie in diesem kostenlosen PDF-Paket, wie Sie WhatsApp, PayPal und Co. durch gezielte Einstellungen vor unbefugtem Zugriff absichern. Gratis-Ratgeber: Android-Sicherheit in wenigen Minuten optimieren

Doch die Einsatzgebiete gehen weit über Smartphones hinaus. Die Modelle sind auch für einfache Hardware wie Raspberry Pi oder Nvidia Jetson Orin Nano optimiert. Das eröffnet Perspektiven für industrielle IoT-Anwendungen und datenschutzfreundliche Smart-Home-Systeme, die Daten offline verarbeiten müssen.

Strategische Weichenstellung: Apache 2.0 und der Weg in die Cloud

Die Lizenzierung unter Apache 2.0 ist eine strategic Entscheidung. Sie entfernt viele kommerzielle Restriktionen früherer "freizügiger" Lizenzen und ermutigt Unternehmen, Gemma 4 in eigene Produkte und On-Premise-Infrastrukturen zu integrieren. Das entspricht dem Trend zu mehr Datensouveränität in der Unternehmens-KI.

Der Release fällt in eine Phase massiver Investitionen von Googles Mutterkonzern Alphabet. Finanzberichte deuten für 2026 auf KI-Infrastrukturausgaben von bis zu 185 Milliarden US-Dollar hin. Gleichzeitig verzeichnet Google Cloud ein sequenzielles Backlog-Wachstum von 55 Prozent – ein Indiz für die anhaltende Nachfrage nach Unternehmenslösungen.

Analysten sehen in hochwertigen Open-Modellen wie Gemma 4 eine "Top-of-Funnel"-Strategie für Google Cloud. Entwickler, die lokal mit Gemma 4 starten, können später nahtlos auf Vertex AI oder die Google Kubernetes Engine (GKE) für den großflächigen Einsatz wechseln – und dabei spezielle Hardware wie Trillium- oder Ironwood-TPUs nutzen.

Mit sofortiger Unterstützung für Plattformen wie Hugging Face, Ollama und vLLM steht die globale Entwicklergemeinde bereits in den Startlöchern. Die Möglichkeit, Tausende Varianten eines leistungsstarken Open-Modells feinzutunen, könnte für spezialisierte Anwendungsfälle entscheidend werden. Gemma 4 markiert damit einen Meilenstein auf dem Weg der KI: vom Cloud-Luxusgut zum allgegenwärtigen, lokalen Werkzeug.